BeeMonitor: App Inteligente de Gestión Apícola con Machine Learning

Componentes y Suministros

Componente	Descripción	Cantidad
Arduino Nano 33 BLE Sense	Microcontrolador con micrófono, IMU, sensores T°/H% integrados	1
Cable USB-A a Micro-USB	Programación y alimentación	1

Aplicaciones y Servicios Online

• Arduino IDE - Entorno de desarrollo
• Edge Impulse Studio - Plataforma ML para entrenamiento de modelos
• Android Studio - Desarrollo app móvil

Sobre el Proyecto

Introducción

Desarrollo de una aplicación de control apícola que ayuda al apicultor en la producción eficiente de miel y otros productos. La app cubre el campo de la apicultura, motivada por ayudar al apicultor a controlar las colmenas de forma eficaz, reduciendo las largas horas de inspección manual.

Basándose en temperatura, humedad y análisis de sonido (zumbido), la app ofrece información sobre el estado de la familia de abejas y detecta el enjambrazón (swarming): evento donde la colonia se divide, la reina vieja abandona la colmena con la mitad de las abejas. La detección temprana permite al apicultor actuar a tiempo y evitar la pérdida de abejas y producción.

Solución

Un apicultor individual suele tener muchas colmenas; la inspección manual requiere mucho tiempo. Con nuestra app, el apicultor se conecta vía Bluetooth a cada colmena desde su móvil, visualizando la salud de la colonia. Además, la app alerta en casos de enjambrazón para acción oportuna.

Descripción Técnica

El sistema usa Arduino Nano BLE 33 Sense, que integra micrófono en su PCB. Un algoritmo en el microcontrolador analiza el zumbido y, mediante un modelo entrenado, reconoce diferencias cuando la reina está presente o no. También incluye sensores de temperatura y humedad para evaluar la salud de la colonia.

Para bajo consumo, el sistema mide solo unas pocas veces al día, en franjas de 10:00-13:00 (mayor probabilidad de enjambrazón). El resto del día permanece inactivo.

Modelo Machine Learning

Procedimiento Edge Impulse

1. Captura de datos: Grabación de zumbidos con micrófono para crear dataset.
2. Análisis espectral: Procesamiento mediante espectrograma.
3. Entrenamiento red neuronal: El espectrograma alimenta la red neuronal. Tras entrenamiento, se obtiene matriz de confusión con rendimiento del modelo.
4. Generar librería y subir a Arduino: Crear librería Edge Impulse y cargar en la placa.

Hardware

• Arduino Nano BLE 33 Sense
• Alimentación por batería
• Terminal móvil Android

Conectividad

Comunicación Bluetooth entre Arduino y app Android. El Nano BLE 33 Sense integra módulo Bluetooth, permitiendo conexión a distancia segura (sin riesgo de picaduras).

App Android

1. Conexión al dispositivo en la colmena
2. Pantalla principal con datos de temperatura, humedad y alertas de eventos.
3. Alertas enviadas por el Arduino a la app (enjambrazón, reina ausente, etc.)

Concepto de Operación

¡Hazlo Tú Mismo!

1. Paso 1: Descargar Arduino IDE, compilar y cargar código .ino en Arduino BLE 33 Sense. Descargar Arduino IDE
2. Paso 2: Descargar app Android (archivo .apk en adjuntos).
3. Paso 3: Instalar dispositivo Arduino en la colmena.
4. Paso 4: Conectar vía Bluetooth.

Mejoras Futuras

• Mejorar modelo ML aumentando base de datos de zumbidos.
• Añadir funciones extra a la app Android.
• Implementar base de datos de colmenas en red LoRaWAN para acceso remoto desde cualquier lugar.

Conclusión

Presentamos una solución para facilitar el trabajo del apicultor. Creemos que vamos por buen camino y con mejoras continuaremos avanzando. Puedes contribuir grabando zumbidos de abejas para ampliar la base de datos y mejorar la precisión del modelo. ¡Gracias!

Código

Arduino Nano BLE 33 Sense (C/C++)

Sketch principal con inferencia Edge Impulse, BLE, sensores HTS221 y envío JSON.

ei-smartbees-arduino-1.0.6.zip

Librería con modelo ML entrenado (descarga directa).

Aplicación Android

Repositorio GitHub BeeMonitor

APK para Android

APK Debug BeeMonitor

Esquemáticos